HyperAI

Qualifikationsproblem

Das Qualifikationsproblem ist im Hinblick auf die Wissensrepräsentation und Handlungsbegründung ein Kernthema im Bereich der künstlichen Intelligenz. Der Schwerpunkt liegt auf der Ermittlung aller Bedingungen oder Faktoren, die für die erfolgreiche Durchführung einer Aktion oder eines Ereignisses in einer sich verändernden Umgebung erforderlich sind. Bei dieser Frage geht es darum, verschiedene Hindernisse zu identifizieren und zu beseitigen, die das gewünschte Ergebnis verhindern könnten.

John McCarthy hat erstmals im Jahr 1977 darauf hingewiesen. Zusammen mit dem Rahmenproblem und dem Verzweigungsproblem stellt es die drei Grundprobleme der formalen Handlungstheorie dar. Beim Rahmenproblem geht es darum, zu bestimmen, was nach einer Handlung unverändert bleibt, während sich das Verzweigungsproblem mit den indirekten Auswirkungen einer Handlung befasst.

In der Praxis manifestiert sich das Qualifikationsproblem als die Frage, wie sichergestellt werden kann, dass eine Handlung in einer bestimmten Situation die erwartete Wirkung erzielen kann. Beispielsweise hat das KI-System eines selbstfahrenden Autos möglicherweise Verkehrszeichen und Ampeln in seinem Trainingsdatensatz gelernt. Trifft es jedoch auf einen Verkehrskontrolleur mit einer Ampel oder einen Polizisten im Notfall, reagiert das System möglicherweise nicht richtig, weil diese Situationen nicht in seinen Trainingsdaten enthalten sind.

Eine Möglichkeit zur Lösung des Qualifikationsproblems besteht in der Verwendung eines logischen Programmieransatzes, wie etwa in der Aktionsprogrammiersprache Flux, wo das grundlegende Rahmenproblem durch eine auf Fluent Calculus basierende Lösung behandelt wird. Flux-Systeme ermöglichen die Planung unter der Standardannahme, dass Aktionen wie gewohnt erfolgreich sein werden, und sind in der Lage, diese Annahmen zu begründen, um unerwartete Aktionsfehler zu beheben.

Darüber hinaus erfordert die Lösung des Qualifikationsproblems die Verwendung nicht-monotoner Schlussfolgerungsmethoden, die es ermöglichen, mögliche, aber nicht explizit aufgeführte Voraussetzungen angesichts der erwarteten Auswirkungen einer Aktion zu berücksichtigen. Dies kann dadurch erreicht werden, dass Ereignisaxiome widerlegbar sind, d. h., wenn alle deklarativen Antezedenzien des Ereignisses erfüllt sind, kann die Schlussfolgerung, dass das Ereignis die vorhergesagte Wirkung haben wird, widerlegbar sein.

Verweise

【1】Qualifikationsproblem

【2】Das Qualifikationsproblem in der KI